شناسایی کاربران ناهنجار در سیستم بانکداری الکترونیکی بابکارگیری سیستم عصبی فازی تطبیقی

رشد قابل توجه تقلب در سیستم های بانکداری با استفاده از نرمافزارهای مخرب، امروزه به یکی از معضلات اقتصاد جهانی تبدیل شده است. متاسفانه، بسیاری از روش های موجود برای تشخیص تقلب بدلیل پیشرفت و تنوع روزافزون نفوذ در سیستم های بانکداری و راهکارهای متقلبانه، عملا به سرعت ناکارآمد خواهند شد. در این راستا تجزیه و تحلیل سیستم های تشخیص تقلب و ارایه راهکاری نو در این زمینه، یک ضرورت مهم در دنیای بانک داری می باشد. مشکل دیگر توسعه ی روش های تشخیص تقلب برای سیستم های بانکداری، در دسترس نبودن داده های واقعی برای جامعه علمی است؛ در این راستا، در این مقاله سعی شده است از دیتاست های واقعی موجود در سطح اینترنت و داده های محدود جمع آوری شده از سطح بانک استفاده شود که داده ها تا حد امکان واقعی و مناسب باشند. در این مقاله برای ارایه ی راهکاری نو برای تشخیص تقلب در سیستم های بانکداری از تلفیق تکنیک های هوش مصنوعی و الگوریتم های تجمعی استفاده شده است. سیستم پیشنهادی در این تحقیق رویکردی ترکیبی با به کارگیری سیستم عصبی- فازی تطبیقی و الگوریتم بگینگ میباشد که با توجه به داده های ثبت شده در دیتاست به پیش بینی وقوع تقلب در معاملات بانکی خواهد پرداخت. سیستم پیشنهادی با به کارگیری سیستم عصبی- فازی تطبیقی قادر می باشد رفتاری که در داده های ورودی و خروجی پنهان است را استخراج کند. علاوه بر این، در این مقاله برای بهبود دادن یادگیری ماشین و افزایش دقت دسته بندی از تکنیک بگینگ استفاده شده است. نتایج پیاده سازی و تست سیستم پیشنهادی،عملکرد مناسب سیستم را با دقت بالاتر از 90 %در مقایسه با روش های تشخیص تقلب مبتنی بر سیستم ایمنی مصنوعی و شبکه های عصبی مصنوعی در تشخیص تقلب نشان میدهد.